使用自定义损失函数训练神经网络

Question

我正在使用 Tensorflow 2 来训练神经网络，并希望损失函数是这样的：

与

其中C是一个任意常数，x是网络的输入，y是网络的输出

我已经构建了神经网络的结构，但我不知道如何绕过构建损失函数和使其最小化的训练过程。

这是我目前得到的

def MyLossFunction(y, x):
    with tf.GradientTape(persistent=True) as tape:
        tape.watch(x)
    y_x = tape.gradient(y, x)
    return tf.reduce_mean(tf.square(y_x - x))


# Properties of the problem
a = -2 #start of interval
b = 2  #end of interval
N = 100 #number of points inside the interval
x = np.arange(a, b, (b-a)/N).reshape((N, 1))
y = np.zeros(N)
C = 0 #arbitrary constant

# Properties of the Neural Network
N_INPUT  = 1  #number of neurons in input layer
N_HIDDEN = 32 #number of neurons in hidden layer
N_OUTPUT = 1  #number of neurons in output layer

# Training Variables
# LearningRate = 0.003
N_EPOCHS = 16

model = keras.Sequential([
    keras.layers.Dense(N_HIDDEN, activation='sigmoid'),
    keras.layers.Dense(N_OUTPUT)
])

model.compile(optimizer='adam',
              loss=MyLossFunction())